Machine learningTopological data analysis
持久同调
持久同调是拓扑数据分析中的一种方法，通过追踪连通分量、环和空腔随尺度参数的变化来量化数据的多尺度拓扑结构。该方法由 Edelsbrunner、Letscher 和 Zomorodian 于 2002 年提出，通过追踪拓扑特征的产生和消亡尺度来编码这些特征，生成持久性图或条形图，作为紧凑的、无坐标的形状描述符。该方法对噪声具有鲁棒性，并提供了离散数据与代数拓扑之间的数学上严谨的桥梁。
在 MethodMind 中打开即将推出Apply, compare, get guidance
Tools & resources
Learn & explore
视频即将推出
阅读完整方法
仅限会员
登录使用免费账户登录即可阅读本节。
方法图谱
相关方法的邻域——选择一个节点以展开探索。
来源
- Edelsbrunner, H., Letscher, D., & Zomorodian, A. (2002). Topological persistence and simplification. Discrete & Computational Geometry, 28(4), 511–533. DOI: 10.1007/s00454-002-2885-2 ↗
- Carlsson, G. (2009). Topology and data. Bulletin of the American Mathematical Society, 46(2), 255–308. DOI: 10.1090/S0273-0979-09-01249-X ↗
如何引用本页
ScholarGate. (2026, June 2). Persistent Homology (Topological Data Analysis). ScholarGate. https://scholargate.app/zh/topology/persistent-homology
选用哪种方法？
将本方法与其最相近的同类并置，并排研读——本馆将书籍铺陈于案上，取舍则由您定夺。
- 局部线性嵌入 (LLE)机器学习↔ 比较
- Mapper算法拓扑学↔ 比较